基于机器学习的分类问题研究
| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 课题的研究背景及意义 | 第10-13页 |
| 1.2 人工神经网络的发展概述 | 第13-14页 |
| 1.3 元启发式算法的发展概述 | 第14-15页 |
| 1.4 本文的主要工作及结构安排 | 第15-17页 |
| 第二章 基于I-PSO-GSA的分类问题研究 | 第17-31页 |
| 2.1 粒子群优化算法的基本原理 | 第17-18页 |
| 2.2 万有引力搜索算法的基本原理 | 第18-20页 |
| 2.3 BP神经网络的基本原理 | 第20-22页 |
| 2.4 改进的万有引力搜索算法 | 第22-24页 |
| 2.4.1 I-PSO-GSA的基本原理 | 第22页 |
| 2.4.2 I-PSO-GSA优化BP神经网络 | 第22-24页 |
| 2.5 地表水水质分类研究 | 第24-27页 |
| 2.5.1 数据来源 | 第24页 |
| 2.5.2 实验结果与分析 | 第24-27页 |
| 2.6 机器人转向分类研究 | 第27-29页 |
| 2.6.1 数据来源 | 第27页 |
| 2.6.2 实验结果与分析 | 第27-29页 |
| 2.7 本章小结 | 第29-31页 |
| 第三章 基于改进的PSO-SVM的分类问题研究 | 第31-37页 |
| 3.1 支持向量机的基本原理 | 第31-32页 |
| 3.2 改进的PSO-SVM的基本原理 | 第32-33页 |
| 3.3 实验结果与分析 | 第33-36页 |
| 3.3.1 地表水水质分类研究 | 第33-34页 |
| 3.3.2 机器人转向分类研究 | 第34-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 基于S-Kohonen网络的分类问题研究 | 第37-43页 |
| 4.1 Kohonen神经网络 | 第37-38页 |
| 4.2 S-Kohonen神经网络 | 第38-39页 |
| 4.3 实验结果与分析 | 第39-42页 |
| 4.3.1 地表水水质分类研究 | 第39-40页 |
| 4.3.2 机器人转向分类研究 | 第40-42页 |
| 4.4 本章小结 | 第42-43页 |
| 第五章 总结与展望 | 第43-45页 |
| 5.1 本文研究的主要内容 | 第43-44页 |
| 5.2 本文的不足与展望 | 第44-45页 |
| 参考文献 | 第45-48页 |
| 攻读硕士学位期间发表的学术论文 | 第48-49页 |
| 致谢 | 第49-50页 |
